TEMA 3: Inspección Estadística por Variables
|
|
- Ana Isabel del Río de la Cruz
- hace 7 años
- Vistas:
Transcripción
1 TEMA 3: Inspección Estadística por Variables 1 Planes de muestreo por variables 2 Inspección en cadena 3 Inspección por muestreo continuo 4 Planes de muestreo por lotes salteados 5 Consideración de errores en la inspección por muestreo 6 Diseño económico de planes de muestreo 1 Planes de muestreo por variables Los planes de muestreo por variables especifican el número de artículos que hay que inspeccionar y el criterio para juzgar los lotes a partir de mediciones de características númericas del producto, cuya calidad hay que controlar Estos planes se basan normalmente en la media y la desviación típica muestral Cuando se conoce la distribución de la característica estudiada, se pueden diseñar planes de muestreo por variables que tengan riesgos especificados de aceptar y de rechazar lotes de una calidad dada El poder discriminatorio de estos planes es superior al de los planes de muestreo por atributos, aunque el costo de obtención de las mediciones es superior Pero el conjunto resulta más económico y esto los hace especialmente útiles en pruebas destructivas Proporcionan más información que el muestreo por atributos sobre el proceso de producción y sobre el lote Son especialmente interesantes cuando el NCA es muy bajo, puesto que los planes de muestreo por atributos requieren tamaños muy grandes La principal dificultad para su aplicación es que se requiere un conocimiento previo de la distribución de probabilidad de la característica de la calidad estudiada Se puede rechazar un lote aunque la muestra que se inspecciona no tenga ningún artículo defectuoso Se distinguen dos tipos de planes de muestreo por variables: (i) Planes de muestreo por variables para el control de valores de la variable de interés (ii) Planes de muestreo por variables para el control de un parámetro de la distribución En los planes (i) se determina un límite inferior de especificación (LIE), o bien un límite superior de especificación (LSE) En algunos casos, se utilizan ambos para determinar los valores aceptables del parámetro Por simplicidad, nos referiremos al caso en que la distribución poblacional de la característica estudiada es normal con parámetros µ y σ Entonces, la media muestral, basada 1
2 en una muestra de tamaño n, se distribuye según una normal con parámetros µ y σ/(n) 1/2 Se consideran entonces los estadísticos Z LIE = x LIE σ y LSE x Z LIE, σ referidos respectivamente al control de los valores bajos y altos de la característica estudiada Dichos estadísticos poseen distribuciones normales con medias definidas en términos de la media poblacional y el límite de especificación superior o inferior y con desviación típica 1/(n) 1/2 A partir de sus distribuciones y de la especificación de un valor crítico de la proporción de defectuosos que no debe excederse, se determina una distancia crítica K para el Z LIE de forma que, si Z LIE K se aceptará el lote y en caso contrario se rechazará el lote De forma similar se procede para el LSE En los planes (ii) se controla el parámetro p que define la fracción de defectuosos Dicho parámetro se estima mediante el área que queda bajo la curva a la izquierda del LIE, o bien a la derecha del LSE Para un valor crítico M determinado a partir de la distribución del estimador de p, se procede de la siguiente forma: Si ˆp M se acepta el lote y en caso contrario se rechaza 2 Inspección en cadena Se aplica en situaciones en las que las pruebas son destructivas y costosas y, por tanto, los tamaños muestrales son pequeños y el criterio de aceptación es nulo Permite suavizar la velocidad de caída de la CO Los pasos a seguir son los siguientes: (i) Se elige una muestra de tamaño n y se observa el número de artículos defectuosos (ii) Si la muestra no tiene artículos defectuosos se acepta el lote (iii) Si se observan dos o más artículos defectuosos se rechaza el lote (iv) Si se observa un artículo defectuoso, se acepta el lote cuando los i lotes precedentes se hallan libres de defectos Normalmente i suele estar entre tres y cinco Este tipo de muestreo permite aceptar un rango más amplio de lotes con fracción de defectuosos próxima a cero La probabilidad de aceptación, que define la ordenada de la CO, se calcula mediante la siguiente ecuación: P a = P (0, n) + P (1, n)[p (0, n)] i, 2
3 donde P (0, n) = (1 p) n indica la probabilidad de observar cero defectos en una muestra de tamaño n y P (1, n) = np(1 p) n 1 la probabilidad de observar un defecto en una muestra de tamaño n, siendo p la fracción de defectuosos del lote El muestreo en cadena se aplica especialmente cuando se dan las siguientes condiciones: El lote forma parte de un flujo continuo de lotes de un proceso en el que existe una producción repetitiva elaborada bajo las mismas condiciones y en el cual los lotes se presentan para su aceptación en el orden de producción Se supone que los lotes son esencialmente de la misma calidad Se debe disponer de un buen registro de la calidad por parte del proveedor 3 Inspección por muestreo continuo Se aplica en procesos de producción de productos para los que la conformación de lotes de unidades no se realiza habitualmente En este caso, existen diferentes procedimientos para inspeccionar las unidades: Acumular la producción en puntos dados del proceso de montaje Considerar segmentos de la producción El primer procedimiento requiere la creación de un espacio adicional y el resultado puede ser en algunos casos no efectivo En el segundo procedimiento la detección de unidades defectuosas puede obligar a devolver productos de la cadena que estaban en segmentos anteriores Los planes de muestreo continuo consisten en alternar la inspección al 100 % con la inspección por muestreo Generalemente, se comienza con la inspección al 100 %, y se pasará a una inspección por muestreo cuando un número determinado i de unidades se encuentren libres de defectos El regreso a la inspección al 100 % se producirá tras observar un número determinado de unidades defectuosas Se suelen distinguir los siguientes planes de muestreo continuo: Planes CPS-1: Se comienza con una inspección al 100 %, se pasa a una inspección por muestreo con fracción de muestreo f cuando se observan i unidades no defectuosas El retorno a la inspección al 100 % se produce cuando se observa una unidad 3
4 defectuosa La selección de artículos en la inspección por muestreo se suele realizar mediante generación de números pseudoaleatorios entre 0 y 1/f Los artículos defectuosos se revisan Por tanto, en la aplicación de esta inspección con rectificación se combinarán diferentes valores de f e i para conseguir diferentes LCMS En este tipo de muestreo son de interés la siguientes cantidades: El número medio de unidades inspeccionadas en una inspección al 100 %, para p la fracción de defectuosos y q = 1 p : u INSP = 1 qi pq i El número medio de unidades inspeccionadas en la inspección por muestreo antes de que se produzca un error: v MUEST = 1 fp El número medio de unidades producidas e inspeccionadas: F P I = u INSP + fv MUEST u INSP + v MUEST La fracción promedio de unidades producidas que pasan por el procedimiento de muestreo: v MUEST u INSP + v MUEST Panes CPS-2: En este tipo de planes se pasa de la inspección por muestreo a la inspección al 100 % cuando se observan dos unidades defectuosas separadas por k unidades (normalmente k = i, siendo i el número de unidades libres de defectos que determina el paso de la inspección al 100 % a la inspección por muestreo) Panes CPS-3: En este tipo de muestreo, se vuelve a la inspección al 100 % cuando se observa una unidad defectuosa y en las cuatro unidades siguientes se observa un nuevo defecto El paso de la inspección al 100 % a la inspección por muestreo se produce, al igual que en los casos anteriores, cuando i unidades se hallan libres de defectos Inspección a varios niveles: Consiste en alternar la inspección al 100 % con la inspección por muestreo con diferentes fracciones de muestreo, dependiendo de la calidad de los lotes Específicamente, se comienza con una inspección al 100 % y posteriormente se pasa a una inspección por muestreo con fracción f, cuando i artículos se encuentran libres de defectos Si de nuevo i artículos se encuentran libres de defectos, entonces se continúa con una inspección por muestreo con fracción f 2 En caso contrario, se vuelve a la inspección al 100 % En general el procedimiento se plantearía como sigue: Para una etapa en la que se inspecciona por muestreo con fracción f l, l N (interpretando l 0 como la inspección al 100 %) 4
5 Si i artículos se encuentran libres de defectos se pasa a una inspección por muestreo con fracción f l+1 En caso contrario se aplica una inspección por muestreo con fracción de muestreo f l 1 4 Planes de muestreo por lotes salteados Consisten en la aplicación de un muestreo continuo a los lotes Es decir, se inspecciona un fracción de lotes cuando ha habido un número de lotes determinados que son aceptados Se distinguen esencialmente dos variedades: Planes SKSP-1: Son planes que requieren una sola determinación o único análisis para aceptar o rechazar Planes SKSP-2: Cada lote se evalúa según un plan particular de inspección de lotes por atributos Consiste en los siguientes pasos: Se comienza con una inspección por muestreo de los lotes siguiendo un plan de muestreo de referencia Cuando i lotes han sido aceptados bajo dicho plan de referencia, se pasa a inspeccionar una fracción f de lotes Cuando se rechaza un lote con la inspección salteada se vueve a la inspección normal En este tipo de planes la probabilidad de aceptación, que define la ordenada de la CO, frente a la fracción de defectuosos p del lote se calcula como sigue: P a = fp + (1 f)pi f + (1 f)p i Propiedades del SKSP-2 Si f 2 < f 1, entonces P a (f 1, i) P a (f 2, i), siendo i el número de aprobación y f j, j = 1, 2, las fracciones de muestreo de los lotes Si i < j, entonces P a (f, j) P a (f, i), siendo i y j valores de aprobación y f la fracción de muestreo de los lotes La fracción media F de muestreo de los lotes viene dada por F = f (1 f)p i + f La aplicación de este tipo de planes es aconsejable cuando se ha alcanzado una cierta estabilidad en el nivel de calidad de la producción 5
6 5 Consideración de errores en la inspección por muestreo En las secciones anteriores no se ha contemplado la posibilidad de que las operaciones de inspección estén sujetas a errores Sin embargo, dichos errores existen y deben ser contemplados en el diseño del plan de muestreo Se distinguen dos tipos de errores: El error de tipo I, E 1, que consiste en clasificar como defectuoso un artículo aceptable El error de tipo II, E 2, que consiste en clasificar como aceptable un artículo defectuoso Se tiene entonces, denotando por A el evento de que haya un artículo defectuoso y por B el evento de clasificar como defectuoso un artículo, la siguiente identidad: P (B) = P (A)P (E 2 ) + P (A)P (E 1 ) Para definir la CO asociada, se consideran las siguientes cantidades: p = P (A), la verdadera fracción de defectuosos; p e, la fracción de defectuosos aparente; e 1 = P (E 1 ), la probabilidad de que se produzca un error de tipo I, y e 2 = P (E 2 ) la probabilidad de que se produzca un error de tipo II La fracción de defectuosos aparente viene dada por p e = p(1 e 2 ) + (1 p)e 1 La CO, cuando se producen errores en la inspección, se define mediante la ecuación P a (e) = c d=0 n! d!(n d)! pd e(1 p e ) n d Influencia de la presencia de errores en las curvas de CMS e ITM (i) Si no hay errores, CMS = (N n)pp a N (ii) Si se reemplazan los artículos defectuosos y hay error en la inspección de los artículos reemplazados, se tiene entonces CMS = npe 2 + p(n n)(1 p e )P a (e) + p(n n)(1 P a (e))e 2 N(1 p e ) 6
7 Para la curva de ITM se tiene IT M = n + (1 P a )(N n) cuando no se contemplan errores en la inspección Si se reemplazan los artículos defectuosos y el proceso de reemplazo está sujeto a los errores de inspección se obtiene IT M = n + (1 P a(e))(n n) 1 p e Finalmente, si existen errores de inspección pero no se reemplazan los artículos defectuosos, se tiene IT M = n + (1 P a (e))(n n) La CO obtenida bajo una inspección con errores difiere de la CO real Para determinar esta última se debe establecer previamente la CO con errores CO(e) basada en un NCA(e) y un PDTL(e) con errores Dichos valores vienen dados por NCA(e) = NCA(1 e 2 ) + (1 NCA)e 1 P DT L(e) = P DT L(1 e 2 ) + (1 P DT L)e 1 El punto donde CO y CO(e) se intersecan viene dado por p = p e = e 1 e 1 + e 2 Para p < p se tiene P a (e) < P a y para p > p se tiene P a(e) > P a Cuando se da E 1 la CMS disminuye y la curva decrece lentamente Por el contrario, cuando se da E 2 la CMS aumenta y la curva decrece rápidamente Por tanto, en una inspección con erores el LCMS no es significativo En relación con la ITM se tiene que cuando se da E 1 aumenta la ITM y cuando se da E 2 disminuye la ITM 6 Diseño económico de planes de muestreo En este tema y en el anterior se han estudiado criterios estadísticos para el diseño de planes de muestreo Sin embargo, es frecuente el uso de criterios de tipo económico, contemplándose en el diseño, por ejemplo, costes de inspección, costes asociados al error de tipo I, costes asociados al error de tipo II, etc Normalmente se adopta un enfoque bayesiano para el diseño de este tipo de planes Se especifica entonces una distribución a priori para los artículos defectuosos Tras la inspección por muestreo se combina la distribución a priori con la información proporcionada por el muestreo para concluir una distribución a posteriori 7
8 Sea N (tamaño del lote) finito Según se vio en el tema anterior, la probablidad de aceptación viene dada por la distribución hipergeométrica, P a (θ) = c d=0 (Nθ)! d!(nθ d)! (N Nθ)! (n d)!(n Nθ (n d))! N! n!(n n)! La fracción de defectuosos del lote θ presenta dos fuentes de variabilidad: La variabilidad de la calidad media del proceso y la variabilidad de θ en torno a p Se considera normalmente una distribución a priori de p, f(p), que modeliza la variación de p Las distribuciones a priori más usuales para p son: La distribución Beta, la distribución Binomial y la distribución Normal Generalizada Se suelen utilizar preferentemente distribuciones continuas Dada una distribución a priori y un conjunto de costos o pérdidas asociados al plan de muestreo, se eligen los parámetros del plan que minimizan los costos totales La formulación lineal de la función de costos lleva asociada la siguiente pérdida esperada L: { pr 1 } L = an + (N n) (prp) [1 P a (p)] f(p)dp + (p pr)p a (p)f(p)dp, 0 pr donde pr es un valor de la fracción de muestreo para el que son iguales los costos de aceptar y rechazar, f(p) es la distribución a priori de p, P a (p) es la probabilidad de aceptación asociada a p y a es una constante proporcional al costo variable del muestreo y a la probabilidad de aceptar La minimización de L respecto a n, a y c (criterio de aceptación-rechazo del plan) definirá el plan de muestreo óptimo Uno de los objetivos de este enfoque es el estudio de diferentes modelos de distribuciones a priori en combinación con modelos lineales de costos, así como la incorporación de errores de muestreo para el diseño económico 8
TEMA 2: Inspección estadística por atributos
TEMA 2: Inspección estadística por atributos 1 Introducción: Inspección estadística de lotes. 2 Planes de muestreo simple por atributos. 3 Planes de muestreo doble, múltiple y secuencial. 4 Planes de muestreo
Más detallesINDICE Capítulo I: Conceptos Básicos Capitulo II: Estadística Descriptiva del Proceso
INDICE Capítulo I: Conceptos Básicos 1.- Introducción 3 2.- Definición de calidad 7 3.- Política de calidad 10 4.- Gestión de la calidad 12 5.- Sistema de calidad 12 6.- Calidad total 13 7.- Aseguramiento
Más detallesMUESTREO PARA ACEPTACION
MUESTREO PARA ACEPTACION Inspección de Calidad Consiste en un procedimiento técnico que permite verificar si los materiales, el proceso de fabricación y los productos terminados cumplen con sus respectivas
Más detallesMuestreo de aceptación. Diplomado en gestión de la calidad Ing. J. Gpe. Octavio Cabrera Lazarini
Muestreo de aceptación Diplomado en gestión de la calidad Ing. J. Gpe. Octavio Cabrera Lazarini MUESTREO DE ACEPTACION Cuando el propósito de la inspección es la aceptación o el rechazo de un producto
Más detallesObjetivos. Epígrafes 8-1. Francisco José García Álvarez
Objetivos Entender los fundamentos estadísticos del muestreo de aceptación por variables. Aprender los procedimientos más usados del muestreo de aceptación por variables: Norma militar 414 Epígrafes Introducción
Más detallesINTRODUCCIÓN...13 CAPÍTULO 1. DEFINICIÓN DE CONTROL DE CALIDAD, NOTAS HISTÓRICAS Y HERRAMIENTAS...17
ÍNDICE INTRODUCCIÓN...13 CAPÍTULO 1. DEFINICIÓN DE CONTROL DE CALIDAD, NOTAS HISTÓRICAS Y HERRAMIENTAS...17 1.1 DEFINICIÓN DE CONTROL DE CALIDAD...17 1.2 HISTORIA DEL CONTROL DE CALIDAD...18 1.3 MEDICIÓN
Más detallesMatemáticas aplicadas a las Ciencias Sociales II
a la Matemáticas aplicadas a las Ciencias Sociales II a la Manuel Molina Fernández y Jiménez Basado en apuntes del Máster Universitario en Formación del Profesorado en Educación Secundaria CPR Mérida 24
Más detallesMatemáticas aplicadas a las Ciencias Sociales II
a la Matemáticas aplicadas a las Ciencias Sociales II a la Manuel Molina Fernández y Jiménez Basado en apuntes del Máster Universitario en Formación del Profesorado en Educación Secundaria CPR Mérida 24
Más detallesObjetivos. Aprender a construir gráficos p y/o np. Aprender a construir gráficos c y u. Cuando usarlos. Epígrafes
Objetivos Aprender a construir gráficos p y/o np. Aprender a construir gráficos c y u. Cuando usarlos Epígrafes Introducción a los Gráficos p, np. Interpretación Gráficos c y u. Interpretación 2-1 Gráfico
Más detallesMuestreo de aceptación
Muestreo de aceptación Cuándo aplicar muestreo de aceptación? Se puede aplicar en cualquier relación cliente proveedor, ya sea en el interior de una empresa o entre diferentes empresas y se puede ver como
Más detallesSTATGRAPHICS genera tres tipos de planes de muestreo de aceptación:
Muestreo de Aceptación (Variables) Cuando los lotes contienen un número relativamente grande de artículos que requieren la inspección, los planes de muestreo de aceptación pueden proporcionar la protección
Más detalles1 CÁLCULO DE PROBABILIDADES
1 CÁLCULO DE PROBABILIDADES 1.1 EXPERIENCIAS ALEATORIAS. SUCESOS 1.1.1 Definiciones Experiencia aleatoria: experiencia o experimento cuyo resultado depende del azar. Suceso aleatorio: acontecimiento que
Más detallesESTADÍSTICA BASICA EN CONTROL DE CALIDAD
ESTADÍSTICA BASICA EN CONTROL DE CALIDAD El control estadístico de la calidad, aplica la teoría del muestreo estadístico, al estudio de las características de calidad. Pretende determinar la variabilidad,
Más detallesTALLER N 6: PLANES DE MUESTREO, CONSTRUCCIÓN DE CURVAS OPERATIVAS PARA EL DISEÑO DE PLANES DE MUESTREO
TALLER N 6: PLANES DE MUESTREO, CONSTRUCCIÓN DE CURVAS OPERATIVAS PARA EL DISEÑO DE PLANES DE MUESTREO 1) Hallar un plan de muestreo simple para las siguientes condiciones del productor previamente establecido
Más detallesINSPECCIÓN DE LA RECEPCIÓN DE LA MATERIA PRIMA
CAPÍTULO 5: INSPECCIÓN DE LA RECEPCIÓN DE LA MATERIA PRIMA Página 38 5. ESTABLECIMIENTO DE LA INSPECCIÓN DE RECEPCIÓN DE LA MATERIA PRIMA 5.1 Control de recepción Cuando el proveedor envía el pedido se
Más detallesUnidad V. Control Estadístico de la Calidad
UNIVERSIDAD NACIONAL DE INGENIERÍA UNI- NORTE - SEDE REGIONAL ESTELÍ Unidad V. Control Estadístico de la Calidad Objetivos Reconocer los principios estadísticos del control de calidad. Explicar la forma
Más detallesTaller sobre Pruebas Estadísticas de Hipótesis
Taller sobre Pruebas Estadísticas de Hipótesis Muestreo de Aceptación Enrique Villa Diharce III VERANO DE PROBABILIDAD Y ESTADÌSTICA Guanajuato, Gto. 11-22 de Julio de 2011 CONTENIDO 1.- El problema del
Más detallesObjetivos. Epígrafes 3-1. Francisco José García Álvarez
Objetivos Entender el concepto de variabilidad natural de un procesos Comprender la necesidad de los gráficos de control Aprender a diferenciar los tipos de gráficos de control y conocer sus limitaciones.
Más detallesSTATGRAPHICS genera tres tipos de planes de muestreo de aceptación:
Muestreo de Aceptación (Atributos) Cuando los lotes contienen un número relativamente grande de artículos que requieren la inspección, los planes de muestreo de aceptación pueden proporcionar la protección
Más detallesMuestreo Secuencial. El muestreo secuencial, al igual que el múltiple, es una extensión del muestreo doble.
El muestreo secuencial, al igual que el múltiple, es una extensión del muestreo doble. Después del muestreo de cada unidad, se toma la decisión de aceptar o rechazar el lote, o de continuar con el muestreo,
Más detallesJuan José Hernández Ocaña
En la mayoría de los casos el muestreo se realiza sin reemplazo, por lo tanto si el tamaño de la población es reducido, la probabilidad de cada observación cambiará Como la probabilidad de éxito no es
Más detallesProf. Angel Zambrano ENERO 2009 Universidad de Los Andes Escuela de Estadística
Prof. Angel Zambrano ENERO 009 Universidad de Los Andes Escuela de Estadística Muestreo: Es una metodología que apoyándose en la teoría estadística y de acuerdo a las características del estudio, indica
Más detallesGRAFICOS DE CONTROL DATOS TIPO VARIABLES
GRAFICOS DE CONTROL DATOS TIPO VARIABLES OBJETIVO DEL LABORATORIO El objetivo del presente laboratorio es que el estudiante conozca y que sea capaz de seleccionar y utilizar gráficos de control, para realizar
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2.
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detallesEstadística Inferencial. Sesión 2. Distribuciones muestrales
Estadística Inferencial. Sesión 2. Distribuciones muestrales Contextualización. Toda cantidad que se obtiene de una muestra con el propósito de estimar un parámetro poblacional se llama estadístico muestral
Más detallesMuestreo de aceptación para atributos. El muestreo es una herramienta de auditoría para conocer el estado de cada lote.
El muestreo es una herramienta de auditoría para conocer el estado de cada lote. DEFINICIONES Atributo Lote Muestra Aleatoriedad Homogeneidad Hay dos tipos de atributos : Aquellos casos cuando no es posible
Más detallesUNIDAD 4. INFERENCIA ESTADÍSTICA. Prof. Eliana Guzmán U. Semestre A-2015
UNIDAD 4. INFERENCIA ESTADÍSTICA Prof. Eliana Guzmán U. Semestre A-05 INFERENCIA ESTADÍSTICA La teoría de la Inferencia Estadística está conformada por aquellos métodos que permiten hacer generalizaciones,
Más detallesUNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 12
UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 12 DOCENTE: Ing. Patricio Puchaicela ALUMNA: Andrea C. Puchaicela G. CURSO: 4to. Ciclo de Electrónica y Telecomunicaciones AÑO
Más detallesLa inspección consiste en la evaluación de la calidad de alguna característica o parámetro en relación con las especificaciones.
La inspección consiste en la evaluación de la calidad de alguna característica o parámetro en relación con las especificaciones. 1. Interpretación de la especificación 2. Medición de la característica
Más detallesBLOQUE III: INFERENCIA ESTADISTICA. X, variable aleatoria de interés sobre una determinada población
BLOQUE III: INFERENCIA ESTADISTICA TEMA 8. MUESTREO Y DISTRIBUCIONES DE MUESTREO 1. Introducción a la Inferencia Estadística X, variable aleatoria de interés sobre una determinada población Observar el
Más detalles07/12/2009 CARACTERÍSTICAS PRINCIPALES GRAFICOS DE CONTROL POR ATRIBUTOS DEFINICIÓN
GRAFICOS DE CONTROL POR ATRIBUTOS DEFINICIÓN Son Gráficos de Control basados en la observación de la presencia o ausencia de una determinada característica, o de cualquier tipo de defecto en el producto,
Más detallesEstadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10
Estadistica II Tema 0. Repaso de conceptos básicos Curso 2009/10 Tema 0. Repaso de conceptos básicos Contenidos Variables aleatorias y distribuciones de probabilidad La distribución normal Muestras aleatorias,
Más detallesIntervalos de Confianza
Intervalos de Confianza Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Intervalo de Confianza Se puede hacer una estimación puntual de
Más detallesPrueba de Hipótesis. Una hipótesis estadística es un supuesto que se establece sobre las características de una distribución poblacional
Una hipótesis estadística es un supuesto que se establece sobre las características de una distribución poblacional El estudio se plantea para la toma de decisión, es decir aceptar o rechazar el supuesto
Más detallesEl procedimiento de decisión incluye la posibilidad de equivocarnos, por lo tanto nuestra conclusión bien puede ser errónea
El procedimiento de decisión incluye la posibilidad de equivocarnos, por lo tanto nuestra conclusión bien puede ser errónea Ejemplo Es posible que el valor verdadero de la rapidez promedio de combustión
Más detallesControl Estadístico de Procesos (SPC) para NO estadísticos.
Control Estadístico de Procesos (SPC) para NO estadísticos. - Sesión 3ª de 4 - Impartido por: Jaume Ramonet Fernández Ingeniero Industrial Superior PMP (PMI ) Consultoría y Formación Actitud requerida
Más detallesProbabilidad, Variables Aleatorias y Distribuciones
Prueba de Evaluación Continua Grupo B 8-X-5.- Un ladrón perseguido por la policía llega a un garaje que tiene dos puertas: una conduce al recinto A en la que hay coches de los que sólo tienen gasolina
Más detallesUnidad 7: Muestreo de aceptación
Unidad 7: Muestreo de aceptación Cap 12. Gutiérrez Liliana Recchioni Unidad 7: 7.1. Tipos de planes de muestreo. 7.2. Variabilidad y curvas características (CO). 7.3. Diseño de un plan de muestreo simple
Más detallesAlgunas Distribuciones Discretas de Probabilidad. UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Discretas de Probabilidad UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detalles= 134, 5 Tercer cuartil: Q 3 = Pueden considerarse normales. =2 P 10 = 118 horas. f(x) =
SOLUCIONES AL EXAMEN DE MÉTODOS ESTADÍSTICOS 2 0 ITIE. 19 /01/2009 1. X = 132, 25 Mediana: M e = 134 + 135 2 = 134, 5 Tercer cuartil: Q 3 = 140 + 141 2 = 140, 5 11 288 12 11267 13 04566 14 0127 15 12 Pueden
Más detallesCALIDAD Página: 1 JOSÉ MANUEL DOMENECH ROLDÁN PROFESOR DE ENSEÑANZA SECUNDARIA
CALIDAD Página: 1 LA INSPECCIÓN QUÉ ES LA INSPECCIÓN? Tradicionalmente, el control de calidad en un proceso de fabricación se caracterizaba por desarrollarse una vez terminada la fase de producción; es
Más detallesRECOPILADO POR: EL PROGRAMA UNIVERSITARIO DE ALIMENTOS
RECOPILADO POR: EL PROGRAMA UNIVERSITARIO DE ALIMENTOS NMX-Z-012/3-1987. MUESTREO PARA LA INSPECCIÓN POR ATRIBUTO. PARTE 3: REGLA DE CÁLCULO PARA LA DETERMINACIÓN DE PLANES DE MUESTREO. SAMPLING FOR INSPECTION
Más detallesAprender a construir gráficos X-S y conocer sus limitaciones.
Objetivos Aprender a construir gráficos X-R y conocer sus limitaciones. Aprender a construir gráficos X-S y conocer sus limitaciones. Comprender la relación entre los Gráficos de Control y el intervalo
Más detallesInferencia estadística
Población y muestra Estadística descriptiva e inferencial Herramientas de la estadística inferencial Intervalos de confianza para media y varianza poblacional Ejemplo de aplicación Población: Conjunto
Más detallesSOLUCIÓN EXAMEN IV Nombres: Apellidos: C.I.: Firma: Fecha: 19/11/2004
Nombres: Apellidos: C.I.: Firma: Fecha: 19/11/004 MÉTODOS ESTADÍSTICOS I EXAMEN IV PARTE I: Encierre con un círculo la respuesta correcta (0,5 puntos c/u): 1. (V F) Los contrastes de hipótesis de dos muestras
Más detallesProf. Eliana Guzmán U. Semestre A-2015
Unidad III. Variables aleatorias Prof. Eliana Guzmán U. Semestre A-2015 Variable Aleatoria Concepto: es una función que asigna un número real, a cada elemento del espacio muestral. Solo los experimentos
Más detallesa) Ac1 > Ac2 > Ac3 b) n1 > n2 > n3
2.3. SO 8 Planes de muestreo para la aceptación de lotes (I) L INSPIÓN POR PLNS MUSTRO La inspección en la recepción es un control básico para que no se transfiera la mala calidad entre empresas o departamentos.
Más detallesEstadística Descriptiva y Probabilidad FORMULARIO
Estadística Descriptiva y Probabilidad FORMULARIO Departament d Estadística i Investigació Operativa Universitat de València Angel Corberán Francisco Montes 2 3 Capítulo 1 Estadística Descriptiva 1.1.
Más detallesCENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREO
CENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREO ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: AGOSTO DE 2017 UNIDAD DE APRENDIZAJE PROBABILIDAD
Más detallesEstadística Aplicada
Estadística Aplicada Distribuciones de Probabilidad Variables aleatorias Toman un valor numérico para cada resultado de un espacio muestral Discretas. Sus valores posibles constituyen un conjunto discreto.
Más detallesMétodos Estadísticos de la Ingeniería Tema 11: Contrastes de Hipótesis Grupo B
Métodos Estadísticos de la Ingeniería Tema 11: Contrastes de Hipótesis Grupo B Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Abril 2010 Contenidos...............................................................
Más detallesPROBABILIDAD Y ESTADÍSTICA. Sesión 6 (A partir de tema 5.9)
PROBABILIDAD Y ESTADÍSTICA Sesión 6 (A partir de tema 5.9) 5.9 Muestreo: 5.9.1 Introducción al muestreo 5.9.2 Tipos de muestreo 5.10 Teorema del límite central 5.11 Distribución muestral de la media 5.12
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #9 Tema: Estimación puntual y por Intervalo de confianza Prof.: MSc. Julio Rito Vargas A. Grupos: CCEE y ADMVA /2016 Objetivos:
Más detallesProcedimientos de muestreo para la inspección por variables. única y un nivel de calidad aceptable (NCA) único
norma española UNE-ISO 3951-1 Diciembre 2012 TÍTULO Procedimientos de muestreo para la inspección por variables Parte 1: Especificaciones para los planes de muestreo simples tabulados según el nivel de
Más detallesDistribución de Probabilidad
Distribución de Probabilidad Variables discretas Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Modelos probabilísticos Un modelo es una
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 8) TEMA Nº 8 ESTIMACIÓN
OBJETIVOS DE APRENDIZAJE: TEMA Nº 8 ESTIMACIÓN Conocer las relaciones entre muestra, análisis estadístico descriptivo y análisis estadístico inferencial. Conocer los conceptos de muestra aleatoria y muestra
Más detallesPROBABILIDAD Y ESTADÍSTICA
FACULTAD DE INGENIERÍA U N A M PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro irenev@unam.mx T E M A S DEL CURSO 1. Análisis Estadístico de datos muestrales. 2. Fundamentos de la Teoría de la
Más detallesPRINCIPIOS ESTADÍSTICOS APLICADOS EN CONTROL DE CALIDAD
UNIDAD II PRINCIPIOS ESTADÍSTICOS APLICADOS EN CONTROL DE CALIDAD Por: Prof. Gastón A. Pérez U. 2.3- PROBABILIDAD Y DISTRIBUCIÓN DE PROBABILIDAD 30 31 (2.3.2) DISTRIBUCIÓN DE PROBABILIDAD ES UNA DESCRIPCIÓN
Más detallesNORMA ISO Introducción
Introducción NORMA ISO 2859-1 Objetivo: eliminar productos defectuosos. Esencial para el enfoque basado en hechos de los SGC dado que la calidad no puede generarse sólo mediante inspección El control puede
Más detallesEstadística Inferencial
Estadística Inferencial 1 Sesión No.2 Nombre: Distribuciones muestrales Contetualización Toda cantidad que se obtiene de una muestra con el propósito de estimar un parámetro poblacional se llama estadístico
Más detallesDistribuciones de probabilidad Discretas
Distribuciones de probabilidad Discretas Distribución Uniforme Discreta Definición Una variable aleatoria X, tiene una distribución uniforme discreta, si cada uno de los valores x 1, x 2,.. x n, tiene
Más detallesPRUEBA DE BONDAD DE AJUSTE O PRUEBA CHI - CUADRADO
O PRUEBA CHI - CUADRADO Hasta ahora se han mencionado formas de probar lo que se puede llamar hipótesis paramétricas con relación a una variable aleatoria, o sea que se ha supuesto que se conoce la ley
Más detallesSolución Examen Parcial IV Nombres: Apellidos: C.I.: Firma: Fecha: 22/06/2005
Nombres: Apellidos: C.I.: Firma: Fecha: 22/06/2005 MÉTODOS ESTADÍSTICOS I EXAMEN IV PARTE I: Encierre con un círculo la respuesta correcta o llene los espacios en blanco (0,5 puntos c/u): 1. (V F) La prueba
Más detallesPorcentaje de defectos
Porcentaje de defectos por Felipe de la Rosa Los gráficos de control por variable empleados para monitorear la media y la variabilidad de los procesos (x R y x s), son herramientas de apoyo que permiten
Más detallesESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA
www.jmontenegro.wordpress.com UNI ESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA PROF. JOHNNY MONTENEGRO MOLINA Objetivos Desarrollar el concepto de estimación de parámetros Explicar qué es una
Más detalles5.1.- Aplicación del Diagrama de Pareto en el proyecto de investigación. Se desea analizar cuales son los defectos más frecuentes que aparecen en las
CAPITULO V.- ANÁLISIS DEL PROYECTO 5.1.- Aplicación del Diagrama de Pareto en el proyecto de investigación Se desea analizar cuales son los defectos más frecuentes que aparecen en las unidades al salir
Más detallesPLANES DE MUESTREO DE ACEPTACIÓN
PLANES DE MUESTREO DE ACEPTACIÓN 219 CAPÍTULO 4 PLANES DE MUESTREO DE ACEPTACIÓN 220 PLANES DE MUESTREO DE ACEPTACIÓN 4.1 Conceptos básicos del muestreo de aceptación. El concepto de muestreo de aceptación,
Más detallesControl Estadístico de la Calidad. Gráficos de Control. Estadistica Básica
Control Estadístico de la Calidad Gráficos de Control Estadistica Básica Control de Calidad Calidad significa idoneidad de uso, Es la interacción de la calidad: Del diseño Nivel de desempeño, de confiabilidad
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesTEMA 4: CONTROL POR VARIABLES Hoja de ejercicios (Entregar el 7 -problema de examen-)
MÉTODOS ESTADÍSTICOS PARA LA MEJORA DE LA CALIDAD INGENIERIA DE TELECOMUNICACIONES TEMA 4: CONTROL POR VARIABLES Hoja de ejercicios (Entregar el 7 -problema de examen-) 1. Un proceso industrial fabrica
Más detallesIN D U ST RI AL I ZA R. Cátedra: ANALISIS DE ALIMENTOS. M.S.c. Br. LUIS ARTICA M. Luis Artica M.. 1
IN D U ST RI AL I ZA R Cátedra: ANALISIS DE ALIMENTOS M.S.c. Br. LUIS ARTICA M. Luis Artica M.. 1 IN D U ST RI AL I ZA R EL ISO (ORGANISMOS INTERNACIONAL PARA LA NORMALIZACION) POSEEN COMITES TECNICOS
Más detallesUniversidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre Profesor: Jaime Soto
Universidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre 2011-1 Profesor: Jaime Soto PRUEBA DE HIPÓTESIS Ejemplo El jefe de la Biblioteca de la URBE manifiesta
Más detallesProblemas de Estimación de una y dos muestras
Problemas de Estimación de una y dos muestras Walpole Myers Myers Facultad de Estudios Superiores Acatlán Licenciatura en Economía 13 de marzo 2017 José A. Huitrón Mendoza Introducción En los ejercicios
Más detallesDeterminación del tamaño de muestra (para una sola muestra)
STATGRAPHICS Rev. 4/5/007 Determinación del tamaño de muestra (para una sola muestra) Este procedimiento determina un tamaño de muestra adecuado para la estimación o la prueba de hipótesis con respecto
Más detallesUnidad 5 Control Estadístico de la Calidad. Administración de Operaciones III
Unidad 5 Control Estadístico de la Calidad Administración de Operaciones III 1 Contenido 1. Antecedentes del control estadístico de la calidad 2. Definición 3. Importancia y aplicación 4. Control estadístico
Más detallesTema 9: Contraste de hipótesis.
Estadística 84 Tema 9: Contraste de hipótesis. 9.1 Introducción. El objetivo de este tema es proporcionar métodos que permiten decidir si una hipótesis estadística debe o no ser rechazada, en base a los
Más detallesIntroducción al Tema 7. Tema 6. Variables aleatorias unidimensionales Distribución. Características: media, varianza, etc. Transformaciones.
Introducción al Tema 7 1 Tema 6. Variables aleatorias unidimensionales Distribución. Características: media, varianza, etc. Transformaciones. V.A. de uso frecuente Tema 7. Modelos probabiĺısticos discretos
Más detallesINTERVALOS DE CONFIANZA
INTERVALOS DE CONFIANZA INTERVALOS DE CONFIANZA Dado que los estimadores puntuales pocas veces serán iguales a los parámetros que se desean estimar, es posible darse mayor libertad utilizando estimadores
Más detallesJuan Carlos Colonia DISTRIBUCIONES MUESTRALES
Juan Carlos Colonia DISTRIBUCIONES MUESTRALES DISTRIBUCIÓN DE LA DIFERENCIA DE MEDIAS MUESTRALES CASO 1: VARIANZAS POBLACIONALES CONOCIDAS Sean x1 y x las medias muestrales de dos muestras aleatorias de
Más detallesIND-LAB-CAL Gráficos de Control Variables CONTROL DE PROCESOS - GRAFICOS DE CONTROL - CARACTERÍSTICAS TIPO VARIABLES
CONTROL DE PROCESOS - GRAFICOS DE CONTROL - CARACTERÍSTICAS TIPO VARIABLES 1.- OBJETIVO El objetivo del presente laboratorio es que el estudiante conozca y que sea capaz de seleccionar y utilizar gráficos
Más detallesLas 19 primeras diapositivas de esta clase están incluidas en la clase teórica previa: Error y expresión de resultados (diapositivas 22 a 40).
Las 19 primeras diapositivas de esta clase están incluidas en la clase teórica previa: Error y expresión de resultados (diapositivas a 40). Definiciones fundamentales y objetivo: El resultado arrojado
Más detallesPruebas de hipótesis estadísticas acerca de los cambios en la incidencia de la pobreza aplicando la metodología preliminar del CTMP
Nota Técnica 0/006 Pruebas de hipótesis estadísticas acerca de los cambios en la incidencia de la pobreza aplicando la metodología preliminar del CTMP 000 005 Octubre de 006 Av. Paseo de la Reforma #51,
Más detallesCapítulo V. Implementación de plan de inspección
Implementación de plan de inspección V. En ésta parte del reporte, se da los procesos y la documentación que se necesita para realizar la inspección correspondiente, al analizar las características del
Más detallesviii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
Más detallesAnexo Métodos de Muestreo
Anexo 7.4 - Métodos de Muestreo 2017 Contenido 7.4.1 Introducción.... 3 7.4.2 Objetivos.... 3 7.4.3 Alcance.... 3 7.4.4 Términos y Definiciones.... 3 7.4.4.1 Inspección... 3 7.4.4.2 Inspección por atributos....
Más detallesEstimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Más detallesDESCRIPCIÓN ESPECÍFICA. Nombre del Módulo: CONTROL ESTADISTICO DE LA CALIDAD Código: CSPN0075 Duración total: 60 HORAS.
DESCRIPCIÓN ESPECÍFICA NÚCLEO: COMERCIO Y SERVICIO SUBSECTOR: PRODUCCION Y SALUD OCUPACIONAL Nombre del Módulo: CONTROL ESTADISTICO DE LA CALIDAD Código: CSPN0075 Duración total: 60 HORAS. Objetivo General:
Más detallesPart VII. Estadística I. Mario Francisco. Introducción a la inferencia. Estimación puntual. Propiedades deseables de los estimadores
Part VII La inferencia puede definirse como el conjunto de métodos mediante cuales podemos extraer información sobre distintas características de interés de cierta distribución de probabilidad de la cual
Más detallesDefinición de probabilidad
Tema 5: LA DISTRIBUCIÓN NORMAL 1. INTRODUCCIÓN A LA PROBABILIDAD: Definición de probabilidad Repaso de propiedades de conjuntos (Leyes de Morgan) Probabilidad condicionada Teorema de la probabilidad total
Más detallesEJERCICIOS DE SELECTIVIDAD
EJERCICIOS DE SELECTIVIDAD INFERENCIA 1998 JUNIO OPCIÓN A Un fabricante de electrodomésticos sabe que la vida media de éstos sigue una distribución normal con media μ = 100 meses y desviación típica σ
Más detallesEnero 2016 Ing. Rubén Darío Estrella, MBA Cavaliere dell ordine al Merito della Repubblica Italiana (2003) Ingeniero de Sistemas (UNIBE 1993), Administrador (PUCMM 2000), Matemático (PUCMM 2007), Teólogo
Más detallesTeoría del muestreo. Tipos de muestras
Teoría del muestreo El total de un grupo de datos de llama población o universo, y una porción representativa de este grupo se llama muestra. Las muestras desempeñan un papel muy importante en los trabajos
Más detallesPLANES DE MUESTREO DEL CODEX PARA ALIMENTOS PREENVASADOS (NCA 6,5) 1 CODEX STAN 233
CODEX STAN Página 1 de 11 PLANES DE MUESTREO DEL CODEX PARA ALIMENTOS PREENVASADOS (NCA,) 1 CODEX STAN 1. AMBITO DE APLICACIÓN Los Planes de Muestreo, que figuran en el Apéndice I de este documento, se
Más detallesEn muestreo por conglomerados se tienen 2 tipos de unidades:
MUESTREO POR CONGLOMERADOS Ing. MSc. Ángel Gómez Es un método en el cual la unidad de muestreo consiste de un grupo de unidades elementales. Es decir, que cada grupo o conglomerado es un agregado de unidades
Más detallesDESARROLLO DE LAS UNIDADES DIDÁCTICAS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II
DESARROLLO DE LAS UNIDADES DIDÁCTICAS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II Según REAL DECRETO 1467/2007, de 2 de noviembre, por el que se establece la estructura del bachillerato y se fijan
Más detallesEL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD)
EL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD) Fortino Vela Peón fvela@correo.xoc.uam.mx FVela-0 Objetivo Introducir las ideas básicas del principio de máxima verosimilitud. Problema Considere el experimento
Más detalles